Python 正则表达式实战指南：模式匹配与文本处理

正则表达式 是一种特殊字符序列，帮助你匹配或查找字符串，使用专用语法构建模式。正则表达式在 UNIX 世界广泛应用。

Python re 模块提供完整的 Perl 风格正则表达式支持。编译或使用正则表达式出错时抛出 re.error 异常。

我们将介绍两个核心函数处理正则表达式。首先，正则表达式中某些字符有特殊含义，为避免混淆，我们使用原始字符串 r'expression'。

match 函数

尝试将正则 pattern 与 string 的开头匹配，支持可选 flags。

语法

re.match(pattern, string, flags=0)

参数说明：

re.match 成功返回 match 对象，失败返回 None。使用 match 对象的 group(num) 或 groups() 获取匹配内容。

示例

#!/usr/bin/python
import re
line = "Cats are smarter than dogs"
matchObj = re.match(r'(.*) are (.*?) .*', line, re.M|re.I)
if matchObj:
    print("matchObj.group() : ", matchObj.group())
    print("matchObj.group(1) : ", matchObj.group(1))
    print("matchObj.group(2) : ", matchObj.group(2))
else:
    print("No match!!")

输出：

matchObj.group() : Cats are smarter than dogs
matchObj.group(1) : Cats
matchObj.group(2) : smarter

search 函数

在 string 中搜索首次出现的正则 pattern，支持可选 flags。

语法

re.search(pattern, string, flags=0)

参数同 match，区别在于 search 匹配字符串任意位置。

返回 match 对象或 None，同样用 group() 和 groups() 提取。

示例

#!/usr/bin/python
import re
line = "Cats are smarter than dogs"
searchObj = re.search(r'(.*) are (.*?) .*', line, re.M|re.I)
if searchObj:
    print("searchObj.group() : ", searchObj.group())
    print("searchObj.group(1) : ", searchObj.group(1))
    print("searchObj.group(2) : ", searchObj.group(2))
else:
    print("Nothing found!!")

输出：

searchObj.group() : Cats are smarter than dogs
searchObj.group(1) : Cats
searchObj.group(2) : smarter

匹配与搜索的区别

Python 基于正则提供两种基本操作：match 仅检查字符串开头，search 检查字符串任意位置（Perl 默认行为）。

示例

#!/usr/bin/python
import re
line = "Cats are smarter than dogs"
matchObj = re.match(r'dogs', line, re.M|re.I)
if matchObj:
    print("match --> matchObj.group() : ", matchObj.group())
else:
    print("No match!!")
searchObj = re.search(r'dogs', line, re.M|re.I)
if searchObj:
    print("search --> searchObj.group() : ", searchObj.group())
else:
    print("Nothing found!!")

输出：

No match!!
search --> searchObj.group() : dogs

搜索与替换

re 模块最重要的方法之一是 sub。

语法

re.sub(pattern, repl, string, max=0)

将 string 中所有匹配 pattern 替换为 repl，除非指定 max。返回修改后的字符串。

示例

#!/usr/bin/python
import re
phone = "2004-959-559 # This is Phone Number"
# 删除 Python 风格注释
num = re.sub(r'#.*$', "", phone)
print("Phone Num : ", num)
# 移除非数字字符
num = re.sub(r'\D', "", phone)
print("Phone Num : ", num)

输出：

Phone Num : 2004-959-559
Phone Num : 2004959559

正则表达式修饰符：可选标志

正则字面量可包含可选修饰符控制匹配行为，以可选标志形式指定，可用异或（|）组合多个：

正则表达式模式

除控制字符 (+ ? . * ^ $ ( ) [ ] { } | \) 外，所有字符匹配自身。控制字符前加反斜杠转义。

Python 可用正则语法列表：

正则表达式示例

字面字符

字符类

特殊字符类

重复情况

非贪婪重复

匹配最少重复次数：

括号分组

反向引用

再次匹配之前匹配的分组：

备选分支

锚点

指定匹配位置：

括号特殊语法